研究人员开发了 TeethGNN，一个新颖的基于图的框架，用于从锥形束计算机断层扫描 (CBCT) 图像中自动评估错颌畸形。该系统通过直接预测关键形态指标并使用图神经网络将其与图像特征融合，绕过了手动测量。协作校准策略进一步增强了其鲁棒性和准确性。实验表明，TeethGNN 在临床数据集上达到了 77.08% 的准确率和 89.61% 的 AUC，优于现有方法，并展示了在推进计算机辅助正畸诊断方面的潜力。 AI
影响 该系统通过自动化一个先前手动且耗时的过程，可以显著加快正畸诊断和治疗计划。
排序理由 该集群包含一篇详细介绍新方法和实验结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
